Análisis Exploratorio de Datos

Transcripción

1 Análisis Exploratorio de Datos

2 10 Qué son los Datos? Una variable es una propiedad o característica de un Individuo Ejemplos: color de ojos de un persona, temperatura, estado civil Una colección de variables describen a un Individuo Individuos Un individuo también se conoce como registro, punto, caso, objeto, entidad, ejemplo de observación Id Dev. Estado Civil Variables Impuestos Fraude 1 Si Soltero 125Mil No 2 No Casado 100Mil No 3 No Soltero 70Mil No 4 Si Casado 120Mil No 5 No Divorciado 95Mil Si 6 No Casado 60Mil No 7 Si Divorciado 220Mil No 8 No Soltero 85Mil Si 9 No Casado 75Mil No 10 No Soltero 90Mil Si

3 Tipos de Variables Cualitativos vs. Cuantitativos Cualitativo (o categórico) las variables representan distintas categorías en lugar de números. Las operaciones matemáticas como la suma y la resta no tienen sentido. Ejemplos: color de los ojos, grado académico, dirección IP, código postal. Cuantitativos (o numéricos) las variables son los números y pueden ser tratados como tales. Ejemplos: peso, fallos por hora, el número de televisores, la temperatura

4 Variables Cualitativas

5 Tipos de Variables

6 Variables Cuantitativas Los valores de la variable son números = cada valor posible es menor o mayor que otro valor Ejemplos: edad, ingresos, nota en un examen, número de años de educación, kilómetros de distancia entre trabajo y residencia OJO: hay números que son etiquetas ; por ejemplo: el código postal; el número de teléfono; el código de una asignatura

7 Variable Discreta vs Variable Continua Una Variable Discreta es aquella en la cuál se puede contar el número posible de valores (son números enteros) Una Variable Continua puede tomar cualquier valor en un intervalo dado (son números reales)

8 Variables Cualitativas Variables cualitativas son aquellas que clasifican las unidades en categorías. Las categorías pueden tener un orden natural (ordinales) o no (nominales). Cuando las variables son ordinales podemos contar número de casos, comparar entre categorías, pero no podemos realizar operaciones numéricas.

9 Variables Ordinales Categorías, no números, que tienen un orden, pero no existe una distancia o intervalo definido entre los valores Ejemplo: profesión Bachiller, Licenciado, Máster, Doctor Tratamiento estadístico: A veces, como variables cualitativas A veces, como variables cuantitativas

10 Variables Nominales Los valores son categorías Las categorías son valores diferentes por una cualidad, no por una cantidad Ningún valor se puede decir que sea mayor o menor que otro Ejemplos: partido político al que votó; región en que vive; sexo; estado civil.

11 cómo transformar variables cuantitativas en cualitativas? La conversión de una variable cuantitativa en cualitativa se denomina categorización. 1. Se ordena la variable 2. Se decide el número k de categorías 3. Se buscan los límites e intervalos para cada categoría [min, min+(max-min)/k[, [min, min+2*(max-min)/k[ 4. Se asigna una etiqueta para cada categoría 5. En la variable original (sin ordenar) se cambia cada valor por una etiqueta según el intervalo al que corresponda

12 Ejemplo: Ejemplo Transforma Variable.xlsx

13 Los Datos Variable j

14 Ejemplo Matemáticas Ciencias Español Historia EdFísica Lucía Pedro Inés Luis Andrés Ana Carlos José Sonia María

15 Nubes de Puntos INDIVIDUOS - FILAS Luis VARIABLES - COLUMNAS Español

16 Nube de Puntos

17 Cómo leer los datos en R? Matemáticas Ciencias Español Historia EdFísica Lucía Pedro Inés Luis Andrés Ana Carlos José Sonia María

18 Desde Excel

19 Guardar como *.CSV separado por ;

20 Visto como archivo de texto

21 Leyendo los datos desde R Mediante Código R: > Datos <- read.table("c:/datos/ejemploestudiantes.csv, header=true, sep=";", dec=".", row.names=1)

22 Leyendo datos desde RComander

23 Leyendo datos desde FactoMineR

24 Leyendo desde FactoMineR

25 Visualizando los datos en RComander

26

27

28 Notas Escolares Tabla de Datos Matemáticas Ciencias Español Historia EdFísica Lucía Pedro Inés Luis Andrés Ana Carlos José Sonía María Estadísticas Básicas Promedio DesEstándar

29 En RComander

30 Desde RComander

31 En RComander

32 La Matriz de Correlaciones

33 Gráficos en RComander

34 Histogramas

35 Identificando datos atípicos

36 Diagramas de Caja (Boxplots) Una muy simple resumen de la distribución de los datos. Diagramas de caja son útiles para encontrar datos atípicos (outlier) outlier 90 th percentile 75 th percentile 50 th percentile 25 th percentile 10 th percentile

37 Diagramas de Caja (Boxplots) Por defecto, los diagramas de caja en R presentan el máximo y el mínimo (si no son los valores atípicos) en lugar de los percentiles 10 y 90 como lo hacen algunos otros programas outlier 90 th percentile Máximo 75 th percentile 50 th percentile 25 th percentile 10 th percentile Mínimo

38 Diagramas de Caja en RComander

39 Identificando datos atípicos

40 Identificando datos atípicos

41

42

43 Notas Escolares

44

45 La Matriz de Correlaciones Interpretación: 1. Correlaciones altas positivas implican que si una variable crece la otra también crece. 2. Correlaciones altas negativas implican que si una variable crece la otra también decrece y a la inversa. 3. Correlaciones cercanas a cero implican que no hay relación entre las variables

46 Interpretación geométrica del coeficiente de correlación VARIABLES - COLUMNAS Español

47 X q Cos(q) = R(X,Y) Y

48 CASO 1: q CASO 2: q X X Y q = 0 implica que Cos(q) = R(X,Y) = 1 q = 90 implica que Cos(q) = R(X,Y) = 0 CASO 3: Y Y q X q = 180 implica que Cos(q) = R(X,Y) = -1

49 Ejemplo: Servicio al Cliente

50 En RComander

51 En RComander

52 La Matriz de Correlaciones

53 Gráficos en RComander

54 Histogramas

55 Diagramas de Caja en Rcomander Identificando datos atípicos

56 Identificando datos atípicos

57 Identificando datos atípicos

58 Identificando datos atípicos

59

60 Dónde obtener más información?

61 Gracias.